千千文学网

第634章 给学术圈一点小小的北邮震撼（第2页）

“手痒了。”

“既然是子集，要不咱们直接用前两天刚跑完的那个五千分类的通用预训练模型，来预测一下这数据集？”

“看看现成的模型，在这五万张验证集上效果咋样。”

楚一航一听，直接竖起了大拇指。

“你小子真是个机灵鬼，其实我刚才也正有此意。”

“现成的大模型不用白不用，说干就干！”

郭长征也点头同意了这个提议。

“跑一次看看，正好摸摸这个比赛数据集的特徵分布底细。”

这里需要给非专业人士解释一下。

为什么用训练了五千个类別的通用模型，可以直接去预测只有一千个类別的子数据集？

因为在深度学习中，用海量数据餵出来的模型“见多识广”。

它在底层网络中已经学会了提取通用的图像特徵，比如轮廓、纹理、色彩组合。

这种通用的特徵提取能力，完全可以直接套用到子集数据的分类任务上。

但直接这么做，预测精度必然会存在误差，成绩会差一些。

原因很简单，模型最终输出的是五千个选项的概率。

在面对这五万张只有一千种標准答案的验证图片时，通用模型依然会按照五千个类別的范围去预测。

一旦它把图片分类成了比赛规定的一千个类別之外的选项，按照赛制就会被判定为错误。

它还需要时间去针对这一千个特定的类別重新训练，才能做到精准得分。

楚一航没管那么多，直接在终端里输入调用tensorflow框架的命令。

回车键敲下。

隔壁机房的散热风扇转速瞬间飆升，噪音穿透了玻璃门。

屏幕上开始滚动运行日誌。

钟柏盯著显存占用率的监控面板。

“集群的显存占用直接拉满了。”

“九章平台对amd显卡的调度策略真够暴力的。”

叶言看著进度条。

“处理五万张图片，传统算法少说得跑个两三天。”

“我看这进度，估计一顿饭的功夫就能出结果。”

楚一航往后靠在椅背上。

“这就叫算力碾压。”

十分钟过去。

终端屏幕上的滚动日誌停了下来。